一些有用的结论及推导过程

一些结论

\[\begin{aligned} j\times(i-j)&=\binom{i}{2}-\binom{j}{2}-\binom{i-j}{2}\\ \end{aligned} \]

用来消掉卷积时指数上的 \(ij\) 项。

\[\begin{aligned} \sum\limits_{i=0}^{n}(-1)^i\binom{n}{i}=[n=i]\\ \end{aligned} \]

各种反演

子集反演

\[\begin{aligned} F_S=\sum\limits_{T\subseteq S}G_T\iff G_S=\sum\limits_{T\subseteq S}(-1)^{|S|-|T|}F_T\\ F_S=\sum\limits_{T\supseteq S}G_T\iff G_S=\sum\limits_{T\supseteq S}(-1)^{|S|-|T|}F_T\\ \end{aligned} \]

证明

\[\begin{aligned} F_S&=\sum\limits_{T\subseteq S}G_T\\ &=\sum\limits_{T\subseteq S}\sum\limits_{U\subseteq T}(-1)^{|T|-|U|}F_U\\ &=\sum\limits_{U\subseteq S}F_U\sum\limits_{U\subseteq T\subseteq S}(-1)^{|T|-|U|}\\ &=\sum\limits_{U\subseteq S}F_U[U=S]\\ &=F_S \end{aligned} \]

二项式反演

\[\begin{aligned} F_n=\sum\limits_{i=0}^{n}\binom{n}{i}G_i\iff G_n=\sum\limits_{i=0}^{n}(-1)^{n-i}\binom{n}{i}F_i\\ F_n=\sum\limits_{i=n}^{m}\binom{i}{n}G_i\iff G_n=\sum\limits_{i=n}^{m}(-1)^{n-i}\binom{i}{n}F_i\\ \end{aligned} \]

泰勒展开

\[\begin{aligned} \exp(x)&=\sum\limits_{i=0}^{+\infty}\frac{x^i}{i!}\\ \ln(1-x)&=-\sum\limits_{i=1}^{+\infty}\frac{x}{i}\\ \end{aligned} \]

多项式牛顿迭代

给定多项式 \(g(x)\),已知有 \(f(x)\) 满足:\(g(f)\equiv0\bmod x^n\)。求 \(f(x)\bmod x^n\)

\(f_0(x)=f(x)\bmod x^\frac{n}{2}\)

\[\begin{aligned} g(f)&\equiv0\bmod x^\frac{n}{2}\\ g(f_0)&\equiv0\bmod x^\frac{n}{2}\\ (f-f_0)^i&\equiv0\bmod x^\frac{n}{2},i\ge2\\ g(f)&=\sum\limits_{i=0}^{+\infty}\frac{g^{(i)}(f_0)}{i!}(f-f_0)^i\\ &=g(f_0)+g'(f_0)(f-f_0)\\ &\equiv0\bmod x^n\\ f&\equiv f_0-\frac{g(f_0)}{g'(f_0)}\bmod x^n\\ \end{aligned} \]

应用

下面设给出的多项式为 \(h(x)\)

多项式求逆:

\[\begin{aligned} g(f(x))&=\frac{1}{f(x)}-h(x)\\ f&\equiv f_0+\frac{\frac{1}{f_0}-h}{\frac{1}{f^2_0}}\bmod x^n\\ &=2f_0-hf^2_0\bmod x^n\\ \end{aligned} \]

多项式开根:

\[\begin{aligned} g(f(x))&=f^2(x)-h(x)\\ f&\equiv f_0-\frac{f_0^2-h}{2f_0}\bmod x^n\\ &=\frac{f_0^2+h}{2f_0}\bmod x^n\\ \end{aligned} \]

多项式 exp:

\[\begin{aligned} g(f(x))&=\ln(f(x))-h(x)\\ f&\equiv f_0-\frac{\ln(f_0)-h}{\frac{1}{f_0}}\bmod x^n\\ &=f_0(1+h-\ln(f_0))\bmod x^n\\ \end{aligned} \]

多项式 ln

\[\ln(f(x))'=\frac{f'(x)}{f(x)}\\ \ln(f(x))=\int\frac{f'(x)}{f(x)}dx\\ \]

多项式三角函数

仅在模意义下存在 \(i\) 时使用。

\[\sin(f(x))=\frac{e^{if(x)}-e^{-if(x)}}{2i}\\ \cos(f(x))=\frac{e^{if(x)}+e^{-if(x)}}{2}\\ \]

exp 组合意义

用来将有标号的方案变为划分的方案。

有标号小球放入任意个数非空无标号盒子,每个盒子放入 \(i\) 个球时方案数为 \(f_i\)。(\(f_0=0\)

\[\begin{aligned} g_{k,i}&=\frac{i!}{k!}\sum\limits_{\sum\limits_{j=1}^{k}a_j=i}\prod_{j=1}^{k}\frac{f_{a_j}}{a_j!}\\ F(x)&=\sum\limits_{i=0}^{+\infty}\frac{f_ix^i}{i!}\\ G_k(x)&=\sum\limits_{i=0}^{+\infty}\frac{g_{k,i}x^i}{i!}\\ &=\frac{1}{k!}\sum\limits_{i=0}^{+\infty}x^i\sum\limits_{\sum\limits_{j=1}^{k}a_j=i}\prod_{j=1}^{k}\frac{f_{a_j}}{a_i!}\\ &=\frac{1}{k!}\sum\limits_{i=0}^{+\infty}\sum\limits_{\sum\limits_{j=1}^{k}a_j=i}\prod_{j=1}^{k}\frac{f_{a_j}x^{a_j}}{a_j!}\\ &=\frac{1}{k!}F^k(x)\\ G(x)&=\sum\limits_{i=0}^{+\infty}G_i(x)\\ &=\sum\limits_{i=0}^{+\infty}\frac{F^i(x)}{i!}\\ &=\exp(F(x))\\ \end{aligned} \]

经典模型(实在不知道该写什么)

无标号小球放入任意个数非空有标号盒子,每个盒子放入 \(i\) 个球时方案数为 \(f_i\)。(\(f_0=0\)

\[\begin{aligned} g_{k,i}&=\sum\limits_{\sum\limits_{j=1}^{k}a_j=i}\prod_{i=1}^{k}f_{a_i}\\ F(x)&=\sum\limits_{i=0}^{+\infty}f_ix^i\\ G_k(x)&=\sum\limits_{i=0}^{+\infty}g_{k,i}x^i\\ &=\sum\limits_{i=0}^{+\infty}x^i\sum\limits_{\sum\limits_{j=1}^{k}a_j=i}\prod_{j=1}^{k}f_{a_j}\\ &=\sum\limits_{i=0}^{+\infty}\sum\limits_{\sum\limits_{j=1}^{k}a_j=i}\prod_{j=1}^{k}f_{a_j}x^{a_j}\\ &=F^k(x)\\ G(x)&=\sum\limits_{i=0}^{+\infty}G_k(x)\\ &=\sum\limits_{i=0}^{+\infty}F^k(x)\\ &=\frac{1}{1-F(x)}\\ \end{aligned} \]

欧拉变换

用来将无标号的方案变为划分的方案。

无标号小球放入任意个数非空无标号盒子,每个盒子放入 \(i\) 个球时方案数为 \(f_i\)。(\(f_0=0\)

\[\begin{aligned} F(x)&=\sum\limits_{i=0}^{+\infty}f_ix^i\\ \mathcal E_F(x)&=\prod\limits_{i=1}^{+\infty}(1-x^i)^{-f_i}\\ &=\exp(\sum\limits_{i=1}^{+\infty}-f_i\ln(1-x^i))\\ &=\exp(\sum\limits_{i=1}^{+\infty}f_i\sum\limits_{j=1}^{+\infty}\frac{x^{ij}}{j})\\ &=\exp(\sum\limits_{j=1}^{+\infty}\frac{1}{j}\sum\limits_{i=1}^{+\infty}f_ix^{ij})\\ &=\exp(\sum\limits_{i=1}^{+\infty}\frac{F(x^i)}{i})\\ \end{aligned} \]

无标号有根树计数

一颗无标号有根树去掉根节点后变为一个无标号有根树森林。

多项式牛顿迭代解法1:

\[\begin{aligned} F(x)&=x\mathcal E_F(x)\\ F(x)&=x\exp(\sum\limits_{i=1}^{+\infty}\frac{F(x^i)}{i})\\ F(x)\exp(-F(x))&=x\exp(\sum\limits_{i=2}^{+\infty}\frac{F(x^i)}{i})\\ G(F)&=x\exp(\sum\limits_{i=2}^{+\infty}\frac{F(x^i)}{i})-F(x)\exp(-F(x))\\ F(x)&=F_0(x)-\frac{G(F_0)}{G'(F_0)}\bmod x^n\\ &=F_0(x)+\frac{x\exp(\sum\limits_{i=2}^{+\infty}\frac{F(x^i)}{i})-F_0(x)\exp(-F_0(x))}{\exp(-F_0(x))-F_0(x)\exp(-F_0(x))}\bmod x^n\\ &=F_0(x)+\frac{x\mathcal E_{F_0}(x)-F_0(x)}{1-F_0(x)}\bmod x^n\\ &=F_0(x)+1+\frac{x\mathcal E_{F_0}(x)-1}{1-F_0(x)}\bmod x^n\\ \end{aligned} \]

多项式牛顿迭代解法2:

\[\begin{aligned} F(x)&=x\mathcal E_F(x)\\ F(x)&=x\exp(\sum\limits_{i=1}^{+\infty}\frac{F(x^i)}{i})\\ F(x)\exp(-F(x))&=x\exp(\sum\limits_{i=2}^{+\infty}\frac{F(x^i)}{i})\\ G(F)&=x\exp(\sum\limits_{i=2}^{+\infty}\frac{F(x^i)}{i})\exp(F(x))-F(x)\\ F(x)&=F_0(x)-\frac{G(F_0)}{G'(F_0)}\bmod x^n\\ &=F_0(x)+\frac{x\exp(\sum\limits_{i=2}^{+\infty}\frac{F(x^i)}{i})-F_0(x)\exp(-F_0(x))}{\exp(-F_0(x))-F_0(x)\exp(-F_0(x))}\bmod x^n\\ &=F_0(x)+\frac{x\mathcal E_{F_0}(x)-F_0(x)}{1-F_0(x)}\bmod x^n\\ &=F_0(x)+1+\frac{x\mathcal E_{F_0}(x)-1}{1-F_0(x)}\bmod x^n\\ \end{aligned} \]

分治 NTT 解法:

\[\begin{aligned} F(x)&=x\mathcal E_F(x)\\ F(x)&=x\exp(\sum\limits_{i=1}^{+\infty}\frac{F(x^i)}{i})\\ F'(x)&=\mathcal E_F(x)+x\mathcal E_F(x)\sum\limits_{i=1}^{+\infty}x^{i-1}F'(x^i)\\ xF'(x)&=F(x)+F(x)\sum\limits_{i=1}^{+\infty}x^iF'(x^i)\\ G(x)&=\sum\limits_{i=1}^{+\infty}x^iF'(x^i)\\ &=\sum\limits_{i=1}^{+\infty}\sum\limits_{j=1}^{+\infty}jf_ix^{ij}\\ &=\sum\limits_{i=1}^{+\infty}x^i\sum\limits_{j|i}jf_j\\ xF'(x)&=F(X)+F(x)G(x)\\ \sum\limits_{i=0}^{+\infty}if_ix^i&=\sum\limits_{i=0}^{+\infty}x^i(f_i+\sum\limits_{j=0}^{+\infty}f_jg_{i-j})\\ f_i&=\frac{1}{i-1}\sum\limits_{j=0}^{i-1}f_jg_{i-j}\\ \end{aligned} \]

无标号无根树计数

强制重心为根,则所有子树大小 \(\le\lfloor\frac{n}{2}\rfloor\),存在 \(>\lfloor\frac{n}{2}\rfloor\) 的子树的方案均不合法。方案数为 \(f_n-\sum\limits_{i=\lfloor\frac{n}{2}\rfloor+1}^{n-1}f_if_{n-i}\)。还要考虑两个重心的情况,此时 \(n\) 为偶数,除了两重心对称的情况都被重复算了一遍,最终减掉 \(\binom{f_{\frac{n}{2}}}{2}\)。最终算下来每个位置减掉 \([x^i]F^2(x)-[2|n]f_\frac{n}{2}\)

posted @ 2026-07-19 20:23  Redolent  阅读(5)  评论(0)    收藏  举报